MARIA：一种用于处理不完整医疗数据的多模态Transformer模型
机器学习
2026-03-13 v2 人工智能
摘要
在医疗领域，整合多模态数据对于开发全面的诊断和预测模型至关重要。然而，在实际应用中，处理缺失数据仍然是一个重大挑战。我们引入MARIA（Multimodal Attention Resilient to Incomplete datA），这是一种新颖的基于Transformer的深度学习模型，通过中间融合策略来解决这些挑战。不同于依赖插值的常规方法，MARIA利用掩码自注意力机制，仅处理可用数据，而无需生成合成值。这种方法使其能够有效处理不完整数据集，提高鲁棒性，并最小化由插值方法引入的偏差。我们在8个诊断和预后任务上对MARIA进行评估，测试了10种最新的机器学习和深度学习模型。结果表明，MARIA在性能和对不同数据不完整程度的鲁棒性方面均优于现有方法，凸显了其在关键医疗应用中的潜力。
关键词
引用
@article{arxiv.2412.14810,
title = {MARIA: a Multimodal Transformer Model for Incomplete Healthcare Data},
author = {Camillo Maria Caruso and Paolo Soda and Valerio Guarrasi},
journal= {arXiv preprint arXiv:2412.14810},
year = {2026}
}